Skip to main content
Glama

Archivos-DB-MCP: Búsqueda vectorial para proyectos de código

Un sistema de base de datos vectorial local que proporciona a los agentes de codificación LLM capacidades de búsqueda rápidas y eficientes para proyectos de software a través del Protocolo de control de mensajes (MCP).

Características

  • Configuración cero : detecta automáticamente la estructura del proyecto con valores predeterminados razonables

  • Monitoreo en tiempo real : vigila continuamente los cambios en los archivos

  • Búsqueda vectorial : búsqueda semántica para encontrar código relevante

  • Interfaz MCP : compatible con Claude Code y otras herramientas LLM

  • Modelos de código abierto : utiliza modelos de caras abrazadas para incrustaciones de código

Related MCP server: local-memory-mcp

Instalación

Opción 1: Clonar y configurar (recomendado)

# Using SSH (recommended if you have SSH keys set up with GitHub)
git clone git@github.com:randomm/files-db-mcp.git ~/.files-db-mcp && bash ~/.files-db-mcp/install/setup.sh

# Using HTTPS (if you don't have SSH keys set up)
git clone https://github.com/randomm/files-db-mcp.git ~/.files-db-mcp && bash ~/.files-db-mcp/install/setup.sh

Opción 2: Script de instalación automatizada

curl -fsSL https://raw.githubusercontent.com/randomm/files-db-mcp/main/install/install.sh | bash

Uso

Después de la instalación, ejecute en cualquier directorio del proyecto:

files-db-mcp

El servicio permitirá:

  1. Detecta tus archivos de proyecto

  2. Iniciar la indexación en segundo plano

  3. Comience a responder a las consultas de búsqueda de MCP de inmediato

Requisitos

  • Estibador

  • Docker Compose

Configuración

Files-DB-MCP funciona sin configuración, pero puedes personalizarlo con variables de entorno:

  • EMBEDDING_MODEL - Cambia el modelo de incrustación (predeterminado: 'jinaai/jina-embeddings-v2-base-code' o modelo específico del proyecto)

  • FAST_STARTUP - Establezca en 'verdadero' para utilizar un modelo más pequeño para un inicio más rápido (valor predeterminado: 'falso')

  • QUANTIZATION - Habilitar o deshabilitar la cuantificación (valor predeterminado: 'verdadero')

  • BINARY_EMBEDDINGS - Habilitar o deshabilitar incrustaciones binarias (predeterminado: 'false')

  • IGNORE_PATTERNS - Lista separada por comas de archivos/directorios a ignorar

Primera puesta en marcha

En la primera ejecución, Files-DB-MCP descargará modelos de incrustación, lo que puede tardar varios minutos dependiendo de:

  • El tamaño del modelo seleccionado (300-500 MB para modelos de alta calidad)

  • La velocidad de tu conexión a Internet

Los inicios posteriores serán mucho más rápidos, ya que los modelos se almacenan en caché en un volumen Docker persistente. Para un inicio inicial más rápido, puede:

# Use a smaller, faster model (90MB)
EMBEDDING_MODEL=sentence-transformers/all-MiniLM-L6-v2 files-db-mcp

# Or enable fast startup mode
FAST_STARTUP=true files-db-mcp

Almacenamiento en caché de modelos

Files-DB-MCP conserva automáticamente los modelos de incrustación descargados, por lo que solo necesita descargarlos una vez:

  • Los modelos se almacenan en un volumen Docker llamado model_cache

  • Este volumen persiste entre reinicios de contenedores y entre diferentes proyectos.

  • El caché se comparte para todos los proyectos que utilizan Files-DB-MCP en su máquina

  • No es necesario volver a descargar el modelo para cada proyecto

Integración de Claude Code

Añade a tu configuración de Claude Code:

{
  "mcpServers": {
    "files-db-mcp": {
      "command": "python",
      "args": ["/path/to/src/claude_mcp_server.py", "--host", "localhost", "--port", "6333"]
    }
  }
}

Para obtener más detalles, consulte Integración de Claude MCP .

Documentación

Estructura del repositorio

  • /src - Código fuente

  • /tests - Pruebas unitarias y de integración

  • /docs - Documentación

  • /scripts - Scripts de utilidad

  • /install - Scripts de instalación

  • /.docker - Configuración de Docker

  • /config - Archivos de configuración

  • /ai-assist - Archivos de asistencia de IA

Licencia

Licencia MIT

Contribuyendo

¡Se agradecen las contribuciones! No dudes en enviar una solicitud de incorporación de cambios.

A
license - permissive license
-
quality - not tested
D
maintenance

Maintenance

Maintainers
Response time
Release cycle
Releases (12mo)
Commit activity

Resources

Unclaimed servers have limited discoverability.

Looking for Admin?

If you are the server author, to access and configure the admin panel.

Related MCP Servers

  • A
    license
    -
    quality
    B
    maintenance
    A local MCP server that provides AI coding assistants with semantic search capabilities over codebases. It indexes code using local embeddings and exposes tools for efficient code retrieval, saving tokens and improving response quality.
    31
    4
    MIT
  • A
    license
    -
    quality
    C
    maintenance
    A local semantic memory MCP server for AI coding agents that provides persistent, searchable project knowledge including architecture notes, file symbols, git history, progress tracking, and a knowledge graph, all stored locally.
    MIT

View all related MCP servers

Related MCP Connectors

  • Persistent memory and knowledge management for AI agents with semantic search and 50+ tools.

  • Persistent semantic memory for AI agents: store and recall text by meaning (RAG). x402

  • Persistent memory for AI agents — verbatim conversations, searchable by meaning.

View all MCP Connectors

Latest Blog Posts

MCP directory API

We provide all the information about MCP servers via our MCP API.

curl -X GET 'https://glama.ai/api/mcp/v1/servers/randomm/files-db-mcp'

If you have feedback or need assistance with the MCP directory API, please join our Discord server